光網(wǎng)絡(luò )應用人工智能探討

  隨著(zhù)“互聯(lián)網(wǎng)+”、5G、4K、VR等新業(yè)務(wù)和新技術(shù)的蓬勃發(fā)展，新興網(wǎng)絡(luò )服務(wù)對基礎光網(wǎng)絡(luò )提出了更高的要求，光網(wǎng)絡(luò )規模不斷擴大，網(wǎng)絡(luò )結構更加復雜，網(wǎng)絡(luò )復雜度呈指數級增長(cháng)，導致運維成本成倍增長(cháng)。人工智能技術(shù)(AI)的蓬勃發(fā)展為解決上述問(wèn)題帶來(lái)了新的機遇，利用AI強大的數據分析和信息提取能力，通過(guò)對海量網(wǎng)絡(luò )數據采集、分析、預測、決策，為診斷網(wǎng)絡(luò )質(zhì)量、優(yōu)化業(yè)務(wù)性能、減輕運營(yíng)負擔、改善用戶(hù)體驗等帶來(lái)無(wú)限可能。

  光網(wǎng)絡(luò )AI應用場(chǎng)景分析

  光網(wǎng)絡(luò )引入AI的驅動(dòng)力

  引入AI可以有效解決網(wǎng)絡(luò )運維中預測預防類(lèi)、復雜類(lèi)、重復性等工作帶來(lái)的成本和效率上的問(wèn)題，主要體現在以下3個(gè)方面。

  一是預評估。實(shí)現對光網(wǎng)絡(luò )故障/風(fēng)險進(jìn)行提前預測和提示，提升故障/風(fēng)險閉環(huán)處理效率;對全網(wǎng)容量增長(cháng)進(jìn)行預測，指導網(wǎng)絡(luò )擴容建設預算評估;精準預測網(wǎng)絡(luò )流量變化并及時(shí)對網(wǎng)絡(luò )資源進(jìn)行擴容和縮容，提升網(wǎng)絡(luò )穩定性和用戶(hù)體驗，節省運營(yíng)商成本。

  二是智管控。構建智能處理建議能力，嵌入維護流程或系統中，提升故障處理效率;具備啞資源空閑纖芯質(zhì)量監控能力，實(shí)現全量纖芯質(zhì)量可視，突破啞資源數字化管理。

  三是優(yōu)網(wǎng)絡(luò )。對海量告警信息進(jìn)行統計分析與建模學(xué)習，快速、準確過(guò)濾關(guān)聯(lián)告警，定位根因告警，提升告警事件處理的效率;智能調測優(yōu)化網(wǎng)絡(luò )，波長(cháng)發(fā)放自動(dòng)調測，光性能實(shí)時(shí)監控、實(shí)時(shí)調優(yōu)，免人工調測;頻譜/路由等網(wǎng)絡(luò )資源自動(dòng)優(yōu)化，提升網(wǎng)絡(luò )資源利用率。

  AI分析類(lèi)場(chǎng)景分析

  將主備業(yè)務(wù)或關(guān)聯(lián)業(yè)務(wù)部署到同一條光纜上并不鮮見(jiàn)，如果單條光纜中斷后主備業(yè)務(wù)或關(guān)聯(lián)業(yè)務(wù)同時(shí)失效，不僅會(huì )導致業(yè)務(wù)中斷，還會(huì )使部分網(wǎng)絡(luò )成為“孤島”。隨著(zhù)網(wǎng)絡(luò )不斷變更和演進(jìn)，人工巡線(xiàn)、人工錄入維護方式不能夠精準識別同纜，效率和識別準確度較低，引入AI技術(shù)可以智能識別主備業(yè)務(wù)、關(guān)聯(lián)業(yè)務(wù)是否存在同纜風(fēng)險，保障網(wǎng)絡(luò )高可靠運行。

  網(wǎng)絡(luò )規劃與業(yè)務(wù)發(fā)展不同步，可能造成網(wǎng)絡(luò )負載不均、資源利用效率低下、資源需求高低不均，根因是網(wǎng)絡(luò )拓撲已經(jīng)無(wú)法匹配業(yè)務(wù)流量流向變化。對此，可以基于業(yè)務(wù)精準預測反向優(yōu)化網(wǎng)絡(luò )拓撲，通過(guò)適量加纖、加纜、加點(diǎn)，實(shí)現網(wǎng)絡(luò )承載能力倍增，適應業(yè)務(wù)變化和發(fā)展需要。

  秒級、毫秒級甚至微秒級業(yè)務(wù)閃斷發(fā)生頻次高，但持續時(shí)間短、無(wú)告警上報，且人工定位和回溯困難，故障很難復現，基本依據用戶(hù)投訴解決問(wèn)題，嚴重影響客戶(hù)感知和運營(yíng)商口碑。同時(shí)，網(wǎng)絡(luò )“卡、慢、斷”導致用戶(hù)體驗差與應用、帶寬、連接多個(gè)維度緊密相關(guān)，根因定位定界涉及大量網(wǎng)絡(luò )數據，人工分析效率很低，大多數用戶(hù)業(yè)務(wù)體驗問(wèn)題難以根治。迫切需要引入AI技術(shù)，提升光網(wǎng)絡(luò )瞬態(tài)變化感知精度，實(shí)現性能瞬變監測和閃斷智能定位定界，實(shí)現用戶(hù)體驗差根因的高效定位定界。

  AI預測類(lèi)場(chǎng)景分析

  隨著(zhù)專(zhuān)線(xiàn)業(yè)務(wù)的快速發(fā)展，業(yè)務(wù)發(fā)放效率成為運營(yíng)商的核心競爭力，而傳統資源規劃很難適應專(zhuān)線(xiàn)的隨機性和突發(fā)性，當前運營(yíng)商對網(wǎng)絡(luò )投資的收緊加大了資源精準預留、業(yè)務(wù)快速發(fā)放的難度。引入AI智能資源預測，結合歷史業(yè)務(wù)增長(cháng)趨勢，實(shí)現資源高效利用、業(yè)務(wù)發(fā)放“零”等待。

  光網(wǎng)絡(luò )的性能劣化、隱患變故障是漸進(jìn)式發(fā)展的，基于閾值的人工判斷方式難以識別，故障一旦發(fā)生，經(jīng)常面臨大量業(yè)務(wù)中斷、修復周期過(guò)長(cháng)等挑戰。隨著(zhù)光網(wǎng)絡(luò )承載的業(yè)務(wù)流量增長(cháng)，維護壓力與日俱增，迫切需要引入AI智能識別網(wǎng)絡(luò )健康、提前預測風(fēng)險。

  隨著(zhù)數字經(jīng)濟的發(fā)展，光網(wǎng)絡(luò )上波長(cháng)增加明顯提速，同時(shí)為了增加網(wǎng)絡(luò )可靠性引入智能路由調整，使得網(wǎng)絡(luò )中頻繁加掉波，從而對現有波長(cháng)性能產(chǎn)生影響，而當前人工方式存在工作量大、效率低、精度差等問(wèn)題。引入AI智能余量預測，可以自動(dòng)對波長(cháng)余量進(jìn)行動(dòng)態(tài)仿真，精準模擬加掉波對現有波長(cháng)的性能余量變化和劣化根因分析，為精準調測提供保障。

  AI優(yōu)化類(lèi)場(chǎng)景分析

  省際骨干傳送網(wǎng)與省內骨干傳送網(wǎng)融合、省內骨干傳送網(wǎng)與城域網(wǎng)一體化將導致網(wǎng)絡(luò )規模不斷擴展，使路由選擇過(guò)多，從而加大業(yè)務(wù)選路變數。因此，光模擬網(wǎng)絡(luò )面臨手工調測效率低、出錯概率高、效果不可控等問(wèn)題。而引入AI智能優(yōu)化調測步驟，再結合自動(dòng)性能檢測，可以實(shí)時(shí)監控關(guān)聯(lián)路徑的性能，保障網(wǎng)絡(luò )處于穩定、較優(yōu)狀態(tài)。

  為適應動(dòng)態(tài)的業(yè)務(wù)變化、保障網(wǎng)絡(luò )性能指標時(shí)刻處于最優(yōu)并發(fā)掘網(wǎng)絡(luò )利用潛能，需要對波長(cháng)、鏈路和路由實(shí)施動(dòng)態(tài)優(yōu)化。以往各類(lèi)傳輸優(yōu)化工具或軟件主要借助固化的方法和簡(jiǎn)單的規則，甚至依賴(lài)工程師的經(jīng)驗完成優(yōu)化，并未識別到本質(zhì)特征、考慮維度簡(jiǎn)單、相關(guān)性分析不足、局部而非全局，因此優(yōu)化的結果往往不是普遍有效。如今隨著(zhù)網(wǎng)絡(luò )規模和業(yè)務(wù)規模的不斷擴大，傳統優(yōu)化方式難堪重任，需要引入人工智能以完成整個(gè)傳輸網(wǎng)生命周期內的精細化、動(dòng)態(tài)化、智能化的優(yōu)化。

  光網(wǎng)絡(luò )AI關(guān)鍵實(shí)現技術(shù)

  光網(wǎng)絡(luò )AI應用解決方案架構

  AI應用解決方案架構可以為光網(wǎng)絡(luò )提供啞資源管理、智能規劃、智能運營(yíng)、智能維護和智能優(yōu)化等AI應用，實(shí)現光網(wǎng)絡(luò )全生命周期自動(dòng)化、智能化運維，支撐政企專(zhuān)線(xiàn)、數據中心、家寬、算力網(wǎng)絡(luò )等各類(lèi)業(yè)務(wù)高品質(zhì)發(fā)展。具體實(shí)現載體包括底層網(wǎng)元設備和上層管控系統，整體架構如圖1所示。

圖1 光網(wǎng)絡(luò )AI應用解決方案架構

  管控系統可以對光網(wǎng)絡(luò )進(jìn)行數字孿生，基于網(wǎng)絡(luò )級意圖管理集成網(wǎng)絡(luò )級AI引擎，進(jìn)行智能分析預測、仿真和決策控制，實(shí)現自動(dòng)化閉環(huán)處理。

  網(wǎng)元設備能夠基于光Sensor體系對光參數據進(jìn)行全面、精準、實(shí)時(shí)感知和采集，使用網(wǎng)元級內生AI對高性能數據分析、處理和壓縮，實(shí)現網(wǎng)元級分析預測、智能決策，上報全量光參，精準計算噪聲、代價(jià)和余量等，與管控系統網(wǎng)絡(luò )級AI進(jìn)行功能互補。

  融合感知技術(shù)

  面對高復雜度的多參量光網(wǎng)絡(luò )系統，為了能夠全面、精準、實(shí)時(shí)感知光網(wǎng)絡(luò )狀態(tài)，網(wǎng)元系統和管控系統需要從維度、精度、頻度等多個(gè)角度進(jìn)行光Sensor數據的分層采集和匯聚，并通過(guò)AI算法對原始光Sensor數據進(jìn)行數據挖掘，支撐光網(wǎng)絡(luò )的各類(lèi)業(yè)務(wù)場(chǎng)景。

  對于管控系統需要具備數據匯聚和數據挖掘處理能力。數據匯聚是指管控系統需要將采集的數據進(jìn)行分類(lèi)匯聚，可分為資源數據底座和性能數據底座。資源數據底座匯聚的數據主要是靜態(tài)的存量數據，比如業(yè)務(wù)存量、網(wǎng)絡(luò )拓撲存量數據等。匯聚的資源和性能原始數據表達的信息量始終是有限的，因此管控系統需要基于A(yíng)I算法技術(shù)對光Sensor數據進(jìn)行數據挖掘以獲得額外的信息量，用于支撐感知、診斷、預測、控制等多類(lèi)業(yè)務(wù)場(chǎng)景。

  光Sensor技術(shù)是以光技術(shù)手段感知、檢測多種物理量，并將模擬物理量數字化的一種技術(shù)。面對高復雜度的多參量光網(wǎng)絡(luò )系統，為了能夠全面、精準、實(shí)時(shí)感知光網(wǎng)絡(luò )狀態(tài)，網(wǎng)元系統和管控系統需要從維度、精度、頻度等多個(gè)角度進(jìn)行光Sensor數據的分層采集和匯聚，并通過(guò)AI算法對原始光Sensor數據進(jìn)行數據挖掘，支撐光網(wǎng)絡(luò )的各類(lèi)業(yè)務(wù)場(chǎng)景。網(wǎng)元系統利用光Sensor技術(shù)對各個(gè)層面的數據進(jìn)行逐層采集：光業(yè)務(wù)層、光器件層、光信道層、光鏈路層。光業(yè)務(wù)層數據主要是客戶(hù)關(guān)注的業(yè)務(wù)屬性指標，比如帶寬、時(shí)延、誤碼、保護倒換時(shí)長(cháng)等指標;光器件層數據主要是采集光器件的物理指標，包括功率、溫度、電壓、頻偏等;光信道層數據關(guān)注點(diǎn)在于信道的屬性特征，類(lèi)似信道編號、光信噪比、單波功率等;光鏈路層數據集中在鏈路側的特征，包含光纖損耗、光纖類(lèi)型、光纖事件等。

  網(wǎng)絡(luò )時(shí)延是一項重要的網(wǎng)絡(luò )性能指標，對業(yè)務(wù)流量吞吐、業(yè)務(wù)感知有直接影響，精準捕捉影響網(wǎng)絡(luò )性能和業(yè)務(wù)體驗的時(shí)延變化，感知時(shí)延并定界定位時(shí)延變化根因，對自動(dòng)優(yōu)化時(shí)延、保障業(yè)務(wù)體驗至關(guān)重要。感知時(shí)延能力不僅要支持已開(kāi)通業(yè)務(wù)電路的時(shí)延可檢可測，還要能在任意潛在源宿開(kāi)通電路之前準確預估時(shí)延，并在業(yè)務(wù)電路時(shí)延出現變化時(shí)，能及時(shí)捕捉到時(shí)延變化根因，比如業(yè)務(wù)電路保護倒換導致的線(xiàn)路時(shí)延變化，并能準確檢測到業(yè)務(wù)時(shí)延變化值。通過(guò)AI算法提前獲取業(yè)務(wù)影響時(shí)長(cháng)是評估業(yè)務(wù)體驗、提升網(wǎng)絡(luò )質(zhì)量、改進(jìn)運維手段的重要指標。

  面臨光Sensor產(chǎn)生的海量數據，數據流轉技術(shù)建立了網(wǎng)元設備內和網(wǎng)元設備與管控系統間的高速傳輸通道，實(shí)施網(wǎng)元設備分布式本地決策和管控系統集中式智能控制兩層處理，協(xié)同完成決策，如圖2所示。

圖2 高性能數據流轉架構示意

  網(wǎng)元設備按照數據采集量的大小和時(shí)間精度分為高速采集和低速采集。硬件上，在網(wǎng)元設備為關(guān)鍵Sensor開(kāi)辟快速外送數據到硬件通道，使用高速緩存區存儲多端口高精度數據(如毫秒級);軟件上，構建統一大采集數據框架，抽象建模光Sensor數據采集項，靈活控制多單板、多端口的數據并發(fā)采集，并使用內存共享技術(shù)高效讀寫(xiě)。

  云地協(xié)同全棧AI技術(shù)

  光網(wǎng)絡(luò )AI技術(shù)研究面對模型泛化能力差、模型部署要求算力高、本地樣本少/標注難、大數據管理困難等問(wèn)題，需要探索一種新的AI技術(shù)架構應對這些問(wèn)題，加速AI應用的規模部署。AI模型應具有在線(xiàn)學(xué)習能力，能夠不斷學(xué)習網(wǎng)絡(luò )新特征、新變化，AI模型訓練應集中部署在算力中心或者支持分布式訓練部署。針對光網(wǎng)絡(luò )多邊緣設備+中心控制的組網(wǎng)特點(diǎn)，云地協(xié)同AI技術(shù)架構是解決上述挑戰的最佳解決方案。

  云地協(xié)同是指云端和地端協(xié)作完成數據樣本上云、模型狀態(tài)管理、模型重訓練、模型/知識下發(fā)、 擇優(yōu)更新等一系列閉環(huán)任務(wù)，同時(shí)把云端匯集的全局網(wǎng)絡(luò )知識經(jīng)驗、全量數據訓練得到的高精度模型，持續注入地端，讓光網(wǎng)絡(luò )AI能夠進(jìn)行智能迭代升級，變得越來(lái)越聰明，如圖3所示。

圖3 云地協(xié)同全棧AI示意

  AI服務(wù)包含數據治理服務(wù)、模型訓練服務(wù)、專(zhuān)家經(jīng)驗輔助服務(wù)，涉及運營(yíng)商大量運營(yíng)數據、用戶(hù)數據、網(wǎng)絡(luò )數據，對數據安全要求很高，云端適合部署在IT云。實(shí)時(shí)海量數據并發(fā)上報、處理加劇整網(wǎng)壓力，在地端(包含管控系統、網(wǎng)元設備)部署分布式AI，就近處理本地實(shí)時(shí)海量數據。

  智能分析預測技術(shù)

  網(wǎng)絡(luò )出現問(wèn)題后生成告警，進(jìn)而觸發(fā)故障定位和修復是當前網(wǎng)絡(luò )運維的普遍方式。海量告警上報導致故障根因定位困難、靜默故障無(wú)告警上報導致無(wú)法定位故障根因，是根因告警分析的兩大難題。

  由于網(wǎng)絡(luò )數據量大、維度多和故障模式多樣化，且關(guān)聯(lián)影響發(fā)散，需要精準的篩查和多維度關(guān)聯(lián)分析能力，通過(guò)智能分析技術(shù)，構建關(guān)聯(lián)模型并進(jìn)行相關(guān)訓練，實(shí)現根因告警識別和靜默故障定位。智能資源預測和故障風(fēng)險預測可提前發(fā)現資源瓶頸和故障風(fēng)險，提升業(yè)務(wù)TTM(最近十二個(gè)月市盈率)和業(yè)務(wù)可靠性。

  光網(wǎng)絡(luò )智能分析預測能力需在網(wǎng)元和管控層面分別構筑對應的智能分析能力。通過(guò)分層實(shí)現智能AI分析預測能力，基于高精度數據的短周期預測，需在網(wǎng)元進(jìn)行高速數據采集處理和分析預測閉環(huán)，提升分析效率;基于數據粒度較大的長(cháng)周期預測，可通過(guò)管控系統長(cháng)周期數據采集和分析預測閉環(huán)。智能預測一般采用時(shí)間序列模型+訓練學(xué)習方式實(shí)現。光網(wǎng)絡(luò )常見(jiàn)時(shí)間序列模型包括差分回歸移動(dòng)平均模型(ARIMA)和PROPHET模型，前者根據網(wǎng)絡(luò )實(shí)際資源進(jìn)行預測，例如根據網(wǎng)絡(luò )當前新增鏈路來(lái)預測未來(lái)某一段時(shí)間內的鏈路增量;后者可以在一定數據缺失的情況下，仍能保持較好的預測效果，如光傳輸性能余量預測適用于該方法。

  智能仿真決策技術(shù)

  光網(wǎng)絡(luò )仿真能夠為網(wǎng)絡(luò )規劃、設計、配置以及網(wǎng)絡(luò )自?xún)?yōu)化(如網(wǎng)絡(luò )路徑優(yōu)化、網(wǎng)絡(luò )資源性能優(yōu)化等)提供可靠依據，通過(guò)對配置和優(yōu)化結果下發(fā)前進(jìn)行事前仿真決策，確保配置和優(yōu)化結果的自動(dòng)、準確、可信任執行，保障業(yè)務(wù)安全。網(wǎng)絡(luò )仿真能夠有效地驗證實(shí)際方案或比較多個(gè)不同的仿真設計以及組織方案，以便于對不同的設計方案建立模型，實(shí)施模擬，對網(wǎng)絡(luò )性能預測數據采取定量獲取，為設計、配置方案的比較和驗證提供可靠的依據。

  網(wǎng)絡(luò )仿真決策技術(shù)是一種利用數學(xué)建模和統計分析的方法模擬網(wǎng)絡(luò )決策行為，通過(guò)建立網(wǎng)絡(luò )信息的統計模型，模擬網(wǎng)絡(luò )操作執行，獲取網(wǎng)絡(luò )設計及優(yōu)化所需要的網(wǎng)絡(luò )性能數據的技術(shù)。網(wǎng)絡(luò )仿真分為3個(gè)階段：準備階段、模型設計、仿真與結果分析。

  在仿真的基礎準備階段，構建全光參量數字孿生底座，通過(guò)Sensor體系實(shí)現上報全量光參、在線(xiàn)學(xué)習，精準計算噪聲、代價(jià)、余量等，支撐對網(wǎng)元實(shí)時(shí)狀態(tài)的全量認知;在仿真的模型設計階段，除了對網(wǎng)元、單板、端口、濾波器等基礎建模外，通過(guò)離線(xiàn)和在線(xiàn)大數據學(xué)習，對光傳輸質(zhì)量進(jìn)行在線(xiàn)建模;在仿真與結果分析階段，通過(guò)AI遷移學(xué)習算法、回歸算法等實(shí)現余量動(dòng)態(tài)監控以及自?xún)?yōu)化執行結果分析，做到自動(dòng)調整優(yōu)化方案以及實(shí)時(shí)自調優(yōu)。

  光網(wǎng)絡(luò )AI應用案例

  目前，AI技術(shù)在光傳送網(wǎng)絡(luò )中已經(jīng)開(kāi)始各種應用探索。

  應用一：同纜風(fēng)險智能識別

  為排除主備業(yè)務(wù)物理同纜風(fēng)險，基于光纖的瑞利散射、受激拉曼散射、偏振狀態(tài)等光學(xué)效應產(chǎn)生機制，通過(guò)對光纖信息、站點(diǎn)地理信息、光性能信息、環(huán)境信息等數據進(jìn)行分析，提取光纖指紋特征，采用多模態(tài)機器學(xué)習智能算法識別同纜概率，實(shí)現了同纜風(fēng)險自動(dòng)識別。

  應用二：光網(wǎng)絡(luò )健康預測和可視

  為實(shí)現對光網(wǎng)絡(luò )健康預測與可視，基于秒級數據采集，對數據進(jìn)行清洗、標定和特征提取，采用AI算法對光纖進(jìn)行多維度健康預測和劣化預警，分析光纖和波道健康度，并根據光性能變化趨勢，提前預測劣化類(lèi)故障風(fēng)險，以及自動(dòng)定位和定界光纖故障、自動(dòng)分析割接質(zhì)量。

  應用三：網(wǎng)絡(luò )故障根因分析

  首先對歷史告警以及告警相關(guān)聯(lián)數據進(jìn)行特征提取、清洗與聚合等處理，根據處理后的數據，通過(guò)機器學(xué)習等智能化算法的訓練推理，獲得告警間的關(guān)聯(lián)及衍生關(guān)系、關(guān)聯(lián)告警與根因故障的映射關(guān)系，進(jìn)而生成RCA(Root Cause Analysis根因分析)規則、積累形成規則庫。在告警監控中，通過(guò)展開(kāi)告警關(guān)系樹(shù)，可以明確地獲悉告警間的關(guān)聯(lián)、衍生關(guān)系，并通過(guò)RCA規則庫獲得關(guān)聯(lián)告警所映射的故障根因。

  光網(wǎng)絡(luò )架構體系處于數智化轉型升級的關(guān)鍵階段，AI在光網(wǎng)絡(luò )中的應用有廣闊空間可以挖掘。近期需要深化融合感知和智能分析、預測類(lèi)技術(shù)研究，提升啞資源感知能力，推進(jìn)光網(wǎng)絡(luò )全參量感知、光纜和資源規劃預測、故障智能定界定位及風(fēng)險預測技術(shù)的成熟。遠期需要突破光網(wǎng)絡(luò )智能仿真決策技術(shù)，增強AI模型泛化能力，將AI優(yōu)化類(lèi)場(chǎng)景應用擴展至光網(wǎng)絡(luò )業(yè)務(wù)配置優(yōu)化、資源優(yōu)化、性能優(yōu)化等場(chǎng)景。

  作者：中國移動(dòng)研究院 李允博 葛大偉 孫將 趙陽(yáng)、中國移動(dòng)通信集團有限公司網(wǎng)絡(luò )事業(yè)部 郝斌、中國移動(dòng)通信集團北京有限公司 車(chē)輪奔、中國移動(dòng)通信集團浙江有限公司 王曉義